虚拟机放置
虚拟机放置的相关文献在2011年到2022年内共计144篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、水路运输
等领域,其中期刊论文82篇、会议论文1篇、专利文献2575270篇;相关期刊43种,包括电信科学、计算机工程、计算机工程与设计等;
相关会议1种,包括2013年第四届中国计算机学会服务计算学术会议等;虚拟机放置的相关文献由352位作者贡献,包括徐胜超、付雄、于璠等。
虚拟机放置—发文量
专利文献>
论文:2575270篇
占比:100.00%
总计:2575353篇
虚拟机放置
-研究学者
- 徐胜超
- 付雄
- 于璠
- 王俊昌
- 王勇
- 程春玲
- 邓松
- 万健
- 刘驰
- 唐红
- 崔晟圆
- 张从越
- 张小庆
- 张纪林
- 李少旭
- 李志华
- 李杰
- 李雷孝
- 李鸿健
- 杨傲
- 柏元江
- 殷昱煜
- 童俊杰
- 符刚
- 罗飞
- 蒋从锋
- 袁野
- 豆育升
- 赫罡
- 邓丹
- 顾春华
- B.尤
- E.S.苏佛恩
- J.L.伍尔德里奇
- N.P.J.汉森
- 丁炜超
- 万剑雄
- 仓业亮
- 伍卫国
- 何利文
- 冯天波
- 冯建华
- 刘东江
- 刘牧寅
- 卢士达
- 史慧玲
- 叶佳
- 吴杰
- 吴涵
- 周天绮
-
-
徐胜超;
熊茂华;
周天绮
-
-
摘要:
利用虚拟机放置策略对云数据中心的物理资源利用效率进行优化十分必要。提出了基于萤火虫群优化的虚拟机放置(glowworm swarm optimization based VM placement,Gso-wmp)方法。GSO-VMP方法将物理主机的处理器使用效率表示为荧光素值,当一个虚拟机被放置到物理主机上时,该物理主机的荧光素值都要进行更新;能够在局部径向范围内搜索到更多的可用物理主机,完成虚拟机放置,减少了虚拟机的迁移次数,从而间接地节省了物理主机的能量消耗。使用CloudSim作为GSO-VMP的仿真环境进行仿真,实验结果表明,GSO-VMP方法使得云数据中心的能耗降低、多维物理资源利用率提高。
-
-
田祥宏;
徐胜超
-
-
摘要:
提出基于粒子群优化的虚拟机迁移模型(Particle swarm optimization for virtual machine migration model,PSO-VMM)。设计基于多维物理资源约束的能量消耗模型,以能量消耗最小作为粒子群优化的目标函数。在物理主机状态检测和虚拟机选择阶段,利用鲁棒局部归约检测LRR(Local Regression Robust)和最小迁移时间选择MMT(Minimum Migration Time)。在虚拟机放置阶段,将粒子群优化算法应用到大规模的候选迁移虚拟机到物理主机的重新分配。仿真实验结果表明:PSO-VMM迁移策略使得云平台的各类性能指标都得到改善。
-
-
李少旭;
李雷孝;
邓丹;
林浩;
高静;
王永生
-
-
摘要:
针对目前数据中心内部资源损耗优化不足的现状,提出一种基于正余弦扰动和反向学习的自适应粒子群算法的虚拟机放置策略。将连续整数编码方法、反向学习策略、正余弦扰动与自适应权重策略融入粒子群算法,连续整数编码能够解决传统编码的复杂性,有效提高算法的运行效率,反向学习使算法能够快速地接近最优解,加快算法的收敛速度,使用正余弦扰动避免算法陷入局部最优解,利用自适应权重策略调节局部搜索和全局搜索的关系。使用该算法解决数据中心中虚拟机放置问题,将仿真结果与其它算法进行比较,验证了该算法在降低资源损耗和保证服务质量方面优于其它算法。
-
-
刘耀鸿;
王勇
-
-
摘要:
虚拟机放置是虚拟机整合过程中的关键步骤,虚拟机放置方法的好坏往往会影响云数据中心的资源使用效率和性能,这类问题可以通过建立多目标优化模型来进行求解。当前云数据中心存在能耗高、资源利用率较低以及资源碎片化的情况。针对上述情况,提出了一种基于MALO算法的虚拟机放置策略。通过建立多目标多约束的虚拟机放置模型,对能耗、资源利用率和资源碎片化3个方面进行优化。并且在蚁狮算法的基础上,通过改进解空间的边界变化策略和蚂蚁随机游走的位置选择策略,最后对蚂蚁位置越界进行修正,使得种群的多样性能得到更好保证,这样能更好地跳出局部最优解。基于虚拟机放置平台对MALO算法和另外4种虚拟机放置算法进行仿真实验,实验结果表明,相比于蚁狮算法、BRC算法、MBFD算法和FFD算法,MALO算法在降低能耗、提高资源利用率以及减少资源碎片化方面有一定的提升效果。
-
-
杨傲;
马春苗;
伍卫国;
王思敏;
赵坤
-
-
摘要:
随着互联网的不断发展,数据中心规模不断扩大,其面临的突出问题是如何保证数据中心安全运行并降低其运行能耗。目前的研究中仅着眼于降低数据中心运行能耗,并未考虑服务器的环境温度。若在高温区域持续增加负载,则可能导致局部热点问题,使得制冷设备处于过度制冷状态而导致数据中心运行能耗整体提高。针对上述问题,提出一种能耗感知的虚拟机放置策略,可以在降低数据中心运行能耗条件下避免热点出现。策略由两部分算法组成:第1部分为最佳适应算法,算法将物理机序列按照可用的CPU资源大小进行排序,对于当前虚拟机请求,按照文中提出的温度迫切值计算方法选择迫切值最小的物理机作为目标位置,并将目标物理机序列二进制化后作为遗传算法的初始种群;在第2部分遗传算法中,对种群进行交叉变异操作,通过适应度函数计算的适应度值选择出下一代种群,不断迭代计算最终得出最优解。为了验证所提出策略的有效性,在cloudsim仿真计算平台上进行了相关实验。仿真结果表明,所提方法在降低运行能耗的同时也降低了服务器间的温度波动值从而避免热点出现。
-
-
徐胜超
-
-
摘要:
如何将云客户端的大量虚拟机均匀的分配到云数据中心的物理主机上执行是一个关键问题.提出了贪心算法优化云数据中心的虚拟机分配策略,首先设计一个用于企业的云数据中心的工作场景,该场景包括三层云计算系统结构,包括用户层、云服务提供者层和云数据中心集合层.用户层用来生成虚拟机的请求集;云服务提供者层通过经典的装箱问题算法完成用户层的大量的虚拟机请求集到底层的云数据中心的分配.然后建立虚拟机分配过程中各种约束因素的数学模型;最后利用贪心算法优化云数据中心之间的虚拟机分配.利用某个企业的大数据中心作为云端测试环境,测试结果表明,经典的最好适应算法Best-Fit-Algorithm具有比较的虚拟机分配效果,云平台的能量消耗比较少,该实验结果对于其他企业构造云数据中心有比较好参考价值.
-
-
王辉;
张洪瑜;
吕书林
-
-
摘要:
提出云数据中心考虑虚拟机关联性的虚拟机放置策略.在物理主机状态检测和虚拟机选择阶段,采用鲁棒局部归约主机检测方法LRR(Local Regression Robust)和最小迁移时间选择方法MMT(Minimum Migration Time);在虚拟机放置阶段,采用多重相关系数来评价虚拟机之间的关联性.该策略在重新分配虚拟机的时候可以减少高关联的虚拟机被放置到同一个物理节点上的机会,尽量避免物理主机超负载问题,最终减少虚拟机迁移次数.实验结果表明:与Cloudsim中已有的虚拟机迁移办法相比,云数据中心的各类性能指标都有所改善,该实验结果对于其他企业构造节能云数据中心有很好的参考价值.
-
-
张从越;
付雄;
乔磊
-
-
摘要:
云数据中心的规模日益增长导致其产生的能源消耗及成本呈指数级增长.虚拟机的放置是提高云计算环境服务质量与节约成本的核心.针对传统的虚拟机放置算法存在考虑目标单一化和多目标优化难以找到最优解的问题,提出一种面向能耗、资源利用率、负载均衡的多目标优化虚拟机放置模型.通过改进蚁群算法求解优化模型,利用其信息素正反馈机制和启发式搜索寻找最优解.实验结果表明,该算法综合性能表现良好,符合云环境对高效率低能耗的要求.
-
-
周震;
王辉;
李俊峰
-
-
摘要:
提出一种基于家族遗传算法的虚拟机放置策略FGA-VMP(family genetic algorithm based virtual machine place-ment).采用一个自调节的变异算子(mutation operator)避免普通遗传算法的早熟问题;把整个种群划分为多个家族,将这些家族的进化操作并行处理,加快遗传算法的收敛速度;建立云数据中心的虚拟机放置的数学模型,以物理主机资源使用效率的最大化作为家族遗传算法的目标函数.仿真结果表明,FGA-VMP策略使云数据中心的各类性能指标得到改善.
-
-
袁静珍;
刘亚同
-
-
摘要:
为了节省云数据中心的能量消耗,提出一种融合虚拟机选择的虚拟机放置方法.该策略将虚拟机迁移过程划分为物理主机状态检测,虚拟机选择和虚拟机放置3个步骤;在物理主机状态检测和虚拟机选择阶段,选取了Cloudsim项目中已有的且被证明是优秀的鲁棒局部归约检测方法和最小迁移时间选择方法;在最后的虚拟机放置阶段,以虚拟机和物理主机双方稳定匹配为目标,采用一种融合虚拟机选择与放置过程之间密切结合的虚拟机迁移策略,该策略可以保证活动物理主机的硬件资源有比较满意的利用效率;使用CloudSim作为云数据中心仿真环境.实验结果表明:与Cloudsim中已有的虚拟机迁移办法相比,提出的放置方法中云数据中心的各类性能指标都可以得到改善,该实验结果对于其他企业构造节能云数据中心有很好的参考价值.